本书荣获日本《周刊钻石》杂志2017年最佳经济类图书第1名，因果推理是现代人必备的基本素养，已被美国列入大学课程，数据也会说谎，只有乘上统计方法的时光机，追溯到根源，才能找出事件背后真正的原因 ，在教育经济学和医疗经济学领域深耕多年的两位作者，教你用因果推理识破纯属偶然的伪相关和随处可见的无稽之谈，从此不再人云亦云，拒交朋友圈智商税

    定期接受体检就能长寿吗？
    看电视会导致孩子学习能力下降吗？
    跟学霸做朋友，就能提高学习能力吗？
    想必很多人的回答都是肯定的。
    不过，经济学的权威研究已经推翻了上述全部说法。大多数此类似是而非的说法源于我们混淆了相关关系与因果关系。因果关系隐藏在杂乱无章的数据和若有似无的线索之中，发掘因果关系需要严谨的论证和极具针对性的技术手段。各自在教育、医疗经济学领域着力半生的权威专家中室牧子、滓川友介，摒弃了令人望而却步的公式和计算，广泛采用民众最关心的教育、医疗案例，独辟蹊径地解析了基本的因果分析原理，没有统计学和经济学的基础知识的读者也能轻忪读懂。
    书中把因果推理法归纳为极为简单的5个步骤，并提供了一系列工具，以保证推理过程的严谨，请务必严格按照本书的步骤和工具进行因果推理。
    无论是身处一线城市还是十八线小城镇，因果推理思考都是不容回避的决策利器。本书可帮助读者刷新对因果关系的认知，高效实现人生目标，而不是被朋友图的人云亦云所左右。

    浅薄的人相信运气，强大的人相信因果。
    一爱默生
    本书汇聚了统计学和经济学的最新成果。
    一一西内启
    本书揭示了我们是如何被误解所左右的。
    ——池上彰

前言
第1章  如何不受无稽之谈的蒙蔽
  因果推理最根本的思考法  
  何谓“因果关系”和“相关关系”？
  判断因果关系的三个要点
  证明因果关系需要“反事实”  
  没有时光机就制造不出反事实吗？
  用“最贴切的值”替换反事实
  只有“可比较”的组才能替换
  想象不出正确的反事实就会被无稽之谈蒙蔽吗？
  COLUMN1  巧克力消耗量越大，诺贝尔奖获奖人数越多？
第2章  定期接受代谢综合征体检就能长寿吗？
  因果推理的理想形态——随机对照试验
  “实验”能证明因果关系
  随机分组的必要性
  “代谢综合征体检”与“长寿”是因果关系吗？
  何谓“在统计学上具有显著性”？
  定期接受体检并不能带来长寿
  投入1200亿日元税金的代谢综合征体检
  “医疗费用自付比例”和“健康”是因果关系吗？
  兰德健康保险实验的结果
  除贫困阶层以外，提高自付比例对健康状况没有影响
  COLUMN2  整合多项研究的“元分析”
第3章  男医生比女医生更优秀吗？
  利用与实验类似的偶发现象进行自然实验
  用现有数据重现与实验类似的环境
  “医生性别”与“患者死亡率”是因果关系吗？
  女医生负责的患者死亡率更低
  “出生体重”与“健康”是因果关系吗？
  出生体重较重的婴儿更健康
  COLUMN3  被动吸烟会增加心脏病的患病风险吗？
第4章  最低工资与就业之间存在因果关系吗？
  排除趋势影响的双重差分法
  模仿实验的“准实验”
  前后比较毫无意义
  不能使用实验前后测分析的两个原因
  去年的销售额为“反事实”时，前后比较才有效
  实验前后测设计的改良版——双重差分法
  双重差分法成立的两个前提条件
  “保育所数量”与“母亲就业”是因果关系吗？
  增设认可保育所不会提升母亲的就业率
  “最低工资”与“就业”是因果关系吗？
  提高最低工资不会减少就业
  COLUMN4  “不快点睡觉，妖怪就要来了”是正确的教育方法吗？
第5章  看电视会导致孩子学习能力下降吗？
  利用第三变量的工具变量法
  广告费打折，该怎样利用
  工具变量法成立的两个前提条件
  “看电视”与“学习能力”是因果关系吗？
  看电视可以提高偏差值
  “母亲的学历”与“孩子的健康”是因果关系吗？
  母亲上过大学，孩子更健康
  COLUMN5  增加女性管理层成员能促进企业成长吗？
第6章  和学霸做朋友，学习能力会提高吗？
  关注跳跃的断点回归设计
  利用“49人店铺”与“50人店铺”的差异
  断点回归设计成立的前提条件
  “朋友的学力”与“自己的学力”是因果关系吗？
  和学霸在一起，也无法提高自己的学习能力
  “医疗费用自付比例”与“死亡率”是因果关系吗？
  提高老年人医疗费用的自付比例对死亡率没有影响
  COLUMN6  “激素替代疗法”的陷阱
第7章  上好大学收入就会更高吗？
  组合相似个体的匹配法
  找出相似的店铺
  整合多个协变量的“倾向得分匹配法”
  倾向得分匹配法成立的前提条件
  “大学偏差值”与“收入”是因果关系吗？
  上偏差值高的大学，收入也不会增长
  COLUMN7  商务版随机对照试验“A／B测试”
第8章  便于分析现有数据的回归分析
  假如现有数据都不适合用来评估因果关系……
  画一条表示数据的“回归线”
  用“多元回归分析”排除混杂因素的影响
  COLUMN8  因果推理的发展史
补论1  了解分析的有效性和局限性
  内部效度与外部效度
  随机对照试验也有局限性
补论2  因果推理的五个步骤
后  记
参考文献

    在本书的开篇，我先请各位读者回答以下几个问题。
    ·定期接受代谢综合征体检就能长寿吗？
    ·看电视会导致孩子学习能力下降吗？
    ·上偏差值①高的大学收入就会更高吗？
    想必很多人的回答都是肯定的。
    不过，经济学的权威研究已经推翻了上述全部说法。
    很多人之所以会做出肯定回答，是因为他们混淆了“因果关系”和“相关关系”。建议那些不假思索做出肯定回答的人务必读一读本书。他们读后定会收获全新的重要发现。
    我们来看下面这个例子。
    人们常说体力好的孩子往往学习能力也更强。图表1体现了日本各行政区孩子的体力测试与学力测试平均值的关系。从图表中可见，学生体力测试分数高的行政区，学力测试的正确率也更高。
    那么，我们可否得出结论，认为他们“因为体力好，所以学习能力强呢”？换句话说，要想提高孩子的学习能力，是否应该先增强孩子的体力呢？
    当然没有这回事儿。在经济学领域，“两个事件中，一方为原因，另一方为结果”的状态被称为存在因果关系。如果体力好这项“原因”会产生学习能力强的“结果”，便可以说二者之间存在因果关系。另一方面，“两个事件相互关联，但不存在因果关系”的状态被称为相关关系。在相关关系中，即使“看似是原因的事件”再次出现，也得不到期望中的“结果”。可见分清因果关系和相关关系是十分重要的。
    “因为体力好，所以学习能力强”，其言下之意是“只要增强体力，(即便整天不学习)学习能力就会有所提高”。这种说法显然有问题，因此体力和学习能力的关系不是因果关系，而是相关关系。当然，即使增强孩子的体力，孩子的学习能力也不一定会提升。
    这个事例教给我们一个非常重要的教训：混淆因果关系和相关关系，会导致错误判断。
    在关于儿童的体力和学习能力的这个事例中，大多数人应该都能分清因果关系和相关关系。不过我们的生活中充斥着五花八门的信息，其中不乏听起来很有道理的说法。遗憾的是，很多人面对类似信息，都会不假思索地把相关关系视为因果关系。现在，让我们再回过头来思考本书开篇提出的三个问题吧。
    ·定期接受代谢综合征体检就能长寿吗？
    ·看电视会导致孩子学习能力下降吗？
    ·上偏差值高的大学收入就会更高吗？
    ……
    ……
    在此请允许我们做个自我介绍。本书作者之一的中室牧子是教育经济学家，多年来一直致力于运用数据和经济学方法研究何种教育方法能提高儿童的学力及能力。她所提倡的不是基于个人经验的教育论，而是呼吁根据具有因果关系的科学依据来制定育儿及教育政策。
    另一名作者津川友介是医生兼医疗政策专家，致力于运用大数据研究如何在改善医疗质量的同时抑制医疗费用的增加。津川师从美国著名医疗经济学家、任教于哈佛大学的约瑟夫·纽豪斯(Joseph Newhouse)以及最早创建因果推理体系的唐纳德·鲁宾(Donald B．Rubin)，从他们那里学会了因果推理的思维方法。
    在美国，“因果推理”是大学的课程内容之一。商务和政治场合自不必说，日常会话中很多人也会有意识地在言谈中注意因果推理的应用。而在日本却几乎没有系统学习因果推理的机会。或许因为这个原因，电视和报纸上常有报道将一些相关关系描述成因果关系，甚至企业管理者和政策制定负责人也常把因果关系和相关关系混为一谈。
    教育领域和医疗领域里充斥着无数因果关系混淆的无稽之谈。本书以生活中必不可少的教育和医疗为例，尽可能让各位读者在阅读本书后掌握因果推理的基本思维方法。
    19世纪杰出的美国思想家、作家拉尔夫·爱默生说过这样一句话：“浅薄的人相信运气，强大的人相信因果。”在这个数据泛滥的时代，“因果推理”是我们每个人必备的素养。

    2016年1月8日的《华尔街日报》刊登了一篇题为“美国监管机构提示，警惕大数据中潜在的偏差”的报道。其内容是美国联邦贸易委员会向运用大数据分析商业活动的企业发出警告，具有相关关系并不代表存在因果关系。
    相信各位读者都能理解这个警告的含义。在美国联邦贸易委员会列举的事例中，企业采用与经济状况或还款记录几乎没有任何关系的变量，对信用风险进行回归分析，预测个人信用风险的高低，并据此决定是否开展业务。这种方法得出的结果很可能只是本书中介绍的“纯属巧合”导致的伪相关(参考正文第5页)，然而人们却有可能因为这些结果被剥夺了应得的机会。美国联邦贸易委员会对此敲响了警钟。
    在“大数据”成为流行词的当下，数据分析随处可见。然而，数据本身只不过是罗列在一起的数字。“如何解读”数据分析才是关键。误将只呈现出相关关系的数据分析当作因果关系，会导致人们进一步做出错误的判断。
    从这个意义上讲，“因果推理”如今已经不再只是笔者等研究人员的“专利”，而是所有人为了弄清楚“是否存在因果关系”所必备的素养。
    在国外，基于因果推理得出的研究成果正在切实地改变着人们的生活。墨西哥第54任总统埃内斯托·塞迪略曾经开展过一项名为“进步计划”(PROGRESA)的扶贫项目，同时通过大规模随机对照试验，对进步计划的效果进行了严格测定。
    那么，这样做的目的是什么呢？在每六年一次的总统换届选举之后，扶贫政策的方针都会发生巨大转变。塞迪略总统此举正是为了改变现状，使扶贫政策建立在具有因果关系的证据基础之上，而不再受各时期总统或政党意识形态的左右。如果随机对照试验能够明确证实“进步计划具有减少贫困的效果”，那么今后即使换作其他总统或政党执政，进步计划仍然会得到纳税人的支持，继续开展下去(事实上塞迪略总统离任之后，“进步计划”至今仍在继续实施)。
    美国也有一个致力于依据证据牵制政策的组织。埃斯特·迪弗洛(Esthei Duflo)等新锐经济学家组成的麻省理工学院扶贫实验室是一家专门开展随机对照试验的研究机构，为倡导“将容易受政治风向左右的政策变为建立在证据基础上的政策”而设立。他们的一系列研究正在显著改变着曾经被无稽之谈和传统观念影响的教育、医疗领域的政策制定过程。
    本书作者之一的津川亲身经历过这样的情况。在他参加2014年10月哈佛大学召开的奥巴马医改计划研讨会时，台下一名记者发言称：  “奥巴马医改实施后保险费用不降反升，我的好几个熟人都为此深感为难。奥巴马医改计划反而把美国的医疗制度改得更糟了。”对此，参与设计奥巴马医改计划的麻省理工学院医疗经济学家乔纳森-格鲁伯(Jonathan Gruber)答道：“个人经历的集合既不是数据，也称不上证据。我们通过缜密的数据收集验证了奥巴马医改计划的效果。其结果显示，美国国民的平均保险费用由于奥巴马医改计划的实施而有所下降。也许有些人因为不得不支付更多保险费而蒙受了损失，但是不要被个别现象误导，请用数据来呈现整体的变化。” 医疗费用关系到生命，正因如此，相关话题的讨论容易以个人经历为依据，带上个人情绪。格鲁伯等人的言论提倡不能感情用事，并指出了以数据和证据为依据进行讨论的重要性。 再来看看日本。本书也多次提及在国会所在地永田町霞关针对各种政策展开的讨论，不过遗憾的是，目前政策方面的讨论还很难被视为以具有因果关系的证据为依据。不仅如此，每逢大选临近，政客们便只顾讨论能在短期内吸引选票的政策，他们常常违背之前的承诺，或者突然强行推行没有任何根据的政策，致使纳税人的利益蒙受严重损失。这样的事例不胜枚举。这正是不重视国民的未来、只顾眼前的选举所招致的结果。 每当目睹这种局面，我都会发出感慨：为什么不能摆脱选举、政局等暂时性政治作秀的影响，从长远的角度出发，来考虑如何实现国民的社会福利(幸福)最大化呢？为此，应该像扶贫实验室所宣称的，“把容易受到政治风向左右的政策变为建立在证据基础上的政策”。要实现这个目标，我们每一名国民作为纳税人也必须从“什么政策才具有因果效应”的角度出发，严格审视每项政策。 最后，请允许我向在本书出版过程中给予我莫大支持的人们表示衷心感谢。 实际上，本书从执笔构思至今已经过了两年的时间。学者著作的后记中，常会看到诸如“自开始写书到出版历经了四分之一个世纪”“献给如今已故的编辑○○先生”等表述，让人感慨光阴荏苒。本书也几乎踏上同样漫长而艰难的道路，好在在编辑的催促与鼓励之下，终于得以付梓。在此对负责本书的钻石社编辑上村晃大先生致以诚挚的谢意。 此外，统计学家兼因果推理专家、庆应义塾大学星野崇宏教授自本书草稿阶段便认真协助校对，并为我提出了很多宝贵建议。东京大学的朝井友纪子助教、一桥大学的神林龙教授、麦克马斯特大学的山口慎太郎副教授、西蒙弗雷泽大学的重冈仁副教授(以上人名按刊登章节顺序排列)欣然同意本书引用并介绍其研究。在此对各位表示感谢。 书中介绍的笔者们的研究属于日本经济产业研究所(RIETI)的“对医疗及教育质量的测量及其决定因素的分析”(研究负责人_学习院大学乾友彦教授)和“劳动市场制度改革”(研究负责人：庆应义塾大学鹤光太郎教授)项目中的部分内容。以矢野诚所长和森川正之副所长为首的经济产业研究所为我们提供了大力支持，在此表示感谢。另外，科研经费补助基础S“社会障碍的经济理论与实证研究”(研究负责人：东京大学松井彰彦教授)、基础B“关于幼年期所处社会生活环境和学习方法对人力资本积累的影响的分析”(研究负责人：信息安全大学院大学广松毅教授)、基础A“贫困与灾害的教育经济学：如何培养出能够战胜社会不利因素和困难的孩子”(研究负责人：中室牧子)也为本书的编写提供了支援。 感谢庆应义塾大学综合政策学院政策媒体研究科中室研究室的植村理、川崎美波、坂本彩乃、中川舞音、中田知宏、中村真优子、锅泽步、山越梨沙子、吉屋麻里为本书的草稿提出了宝贵建议。 “研究”是一份奇特的工作。无论撰写多少篇论文，在研讨会上做多少场演讲，我们也不会变得更加富有。不过，研究中诞生的观点可以作为公共知识财富，为建设更美好的世界做出贡献。感谢我们的家人对这份工作给予的理解和毫无保留的支持。特别是在本书草稿阶段多次过目并提出建议的代田丰一郎和津川衣林梨，在此向你们致以由衷的感谢。最后需要声明的是，本书虽然是在众多人士的支持下完成的，但书中任何错误均由笔者负责。 “在证据的基础上制定政策”的做法在国外已经扎根，但在教育和医疗领域，无稽之谈和传统观念的影响力依旧很强，想在证据的基础上制定政策绝非易事。为了实现这个目标，我们这些研究者也许要倾尽一生的时间，不断推广这些观点才行。 证据能够体现经济学所信奉的“因果关系”，只有通过体系化的“因果推理”才能形成证据。如果这些工具能够对生活在数据泛滥时代的各位读者有所帮助，我们身为作者也会感到欣慰。 2017年2月 中室牧子 津川友介